El dato que debería incomodar a cualquier directorio
El 95% de las organizaciones de marketing ha adoptado herramientas de inteligencia artificial. ¿Y cuántas ven un impacto significativo en su desempeño? Solo el 6%. Esa brecha vertiginosa entre adopción y resultados proviene de una investigación de Bain & Company, basada en una encuesta a 1.397 ejecutivos senior de marketing y finanzas, y publicada por Business Insider.
La cifra no es una anomalía. Una encuesta de PwC a 4.454 CEOs, citada en el mismo artículo, encontró que el 56% de las compañías no había visto ni mayores ingresos ni menores costos por la IA en los doce meses previos. Y un estudio paralelo de Dentsu Creative, con 1.950 decisores globales de marketing, reveló que el 70% aún no percibe eficiencias de costo importantes derivadas de la tecnología.
En otras palabras: comprar el software es la parte fácil. "Comprar el software es una fracción del trabajo", resume Patricia McDonald, estrategia global de Dentsu Creative. La promesa sigue siendo extraordinaria, pero la captura de valor exige algo que la mayoría de las empresas —incluidas muchas latinoamericanas— todavía no ha resuelto: rediseñar el trabajo alrededor de la IA, no solo insertarla en el trabajo existente.
Por qué la adopción de IA sin rediseño organizacional no produce retorno
Laura Beaudin, socia de Bain, lo formula con crudeza: "la transformación es difícil y toma tiempo". La investigación identifica un patrón revelador: las empresas que Bain clasifica como "líderes" —con crecimiento anual de ingresos superior al 11% y crecimiento de participación de mercado superior al 7%— tienen el doble de probabilidades que las rezagadas de atribuir a la IA crecimientos de dos dígitos en ingresos o ahorros de costos.
¿Qué hacen distinto los líderes? Tres cosas, según el estudio:
- Centralizan la estrategia de IA para eliminar silos funcionales. La IA fragmentada por departamento —un chatbot aquí, un piloto allá— no genera impacto medible.
- Reconstruyen flujos de trabajo y reestructuran equipos, en lugar de superponer herramientas sobre procesos heredados.
- Apuntan la IA a casos de uso centrados en el cliente, como aprovechar datos propios para personalizar la oferta, en vez de dedicarla solo a tareas internas.
Beaudin agrega una observación que anticipa el debate del talento: la IA exige menos especialistas estrechos y más "orquestadores" capaces de coordinar funciones completas. Ya hay señales concretas: el CMO de Wix ha reemplazado títulos como "redactor de contenidos" por perfiles de "marketer full-stack". Y un CMO entrevistado por Bain calculó que equipos de cinco a diez personas hoy producen lo que antes requería hasta cincuenta.
La metáfora útil aquí: adoptar IA sin rediseñar la organización es como instalar un motor de Fórmula 1 en un camión de carga. La potencia está ahí, pero el chasis, la transmisión y el conductor no están diseñados para ella. El resultado no es velocidad; es fricción y desgaste.
Cuando el rediseño sí funciona: casos reales y verificables
Contrastemos la paradoja anterior con organizaciones que abordaron la IA como un rediseño de procesos, no como una compra de licencias.
En la industria legal, los casos documentados por el Financial Times muestran un patrón consistente. Ashurst construyó "Project Catalyst", un flujo de doble modelo de IA generativa para que un banco de inversión lanzara un banco digital en la Unión Europea: un modelo mapeó disposiciones legislativas en 51 fuentes normativas y otro, entrenado en el modelo de negocio del cliente, extrajo y categorizó obligaciones regulatorias. El resultado: casi 7.500 obligaciones regulatorias relevantes identificadas, con salidas de alto riesgo marcadas para revisión humana, y honorarios reducidos sustancialmente frente al enfoque manual.
Freshfields, por su parte, aplicó un enfoque de "humano en el circuito" a una litigación masiva en Alemania: dos sistemas de IA revisaron más de 180.000 documentos buscando fallas legales; los abogados revisaban manualmente cuando ambos sistemas señalaban una falla o una disparidad en los resultados, y si ninguno identificaba un problema, la intervención se consideraba innecesaria. El tiempo de revisión cayó de más de 300 días esperados a menos de 50.
En la minería latinoamericana, una nota de Bnamericas señala que la gestión digital de activos podría reducir los costos de mantenimiento hasta en un 40% — una cifra directamente relevante para una región donde la industria extractiva sigue siendo un pilar económico y donde la modernización de mantenimiento suele quedar atrás de la adopción de IA "visible" en marketing o atención al cliente.
Estos casos comparten un denominador: la IA no se superpuso al proceso; el proceso se reconstruyó con la IA adentro, con puntos de control humano definidos ex ante.
Los consultores están siendo disruptos primero: lección para toda la región
La paradoja de la adopción también está golpeando a quienes la venden. Business Insider reporta que los clientes de consultoría esperan hoy entregas al doble de velocidad que hace un año. Jeanelle Johnson, socia directiva de PwC para Washington DC, lo describe así: "algo que habríamos dicho que toma de 8 a 10 semanas; la expectativa ahora es probablemente la mitad de eso". En McKinsey, la IA convirtió la "respuesta de la semana uno" —la primera hipótesis tras una semana de investigación— en una "respuesta de la hora uno", según Kate Smaje, líder global de tecnología e IA de la firma. Un ingeniero de Deloitte reportó que tareas de programación que tomaban días ahora toman unos cinco minutos; un consultor de EY-Parthenon, que una due diligence de dos semanas se completa en un día.
La presión competitiva llegó a un punto que KPMG —con unos 276.000 empleados— creó una división separada de sus tres líneas de negocio principales, el grupo Client Technology & Innovation, descrito por su vicepresidente Todd Lohr como "un incubador estilo Silicon Valley dentro de las paredes de KPMG". El propósito explícito: liberar a cientos de empleados de la burocracia societaria para construir productos, contratar talento especializado y firmar contratos más rápido (Business Insider).
Para Latinoamérica, la lección es doble. Primero, las empresas de la región que dependen de consultoras extranjeras deben saber que el modelo de esa industria está siendo comprimido —lo que puede significar mejores precios, pero también entregas superficiales si el proveedor no reorganizó su propio trabajo. Segundo, si una firma de 276.000 personas necesita crear una estructura paralela para innovar a velocidad de startup, cualquier empresa regional con jerarquías rígidas y silos funcionales necesita preguntarse lo mismo: ¿qué estructura necesita para que la IA no se ahogue en su organigrama?
Ahí está también la oportunidad del leapfrogging: mercados menos saturados, procesos aún no fosilizados por décadas de sistemas heredados, y la posibilidad de diseñar flujos de trabajo nativos de IA sin el lastre técnico que arrastran las organizaciones con más historial de transformación fallida.
Pasos concretos para su empresa
Sobre la base de lo que hacen las empresas que sí capturan valor de la IA —y de los errores que la investigación documenta—, esta es una secuencia pragmática, especialmente pensada para organizaciones con presupuestos ajustados y equipos reducidos:
- Audite la adopción versus el impacto. Haga una lista honesta de todas las herramientas de IA activas en la empresa y pídales a los responsables de cada una una sola métrica de negocio: costo, tiempo o ingreso. Si no existe, ese es su punto de partida, no una nueva herramienta.
- Centralice la estrategia de IA en una sola función responsable, con presupuesto y mandato transversal. El dato de Bain es claro: los líderes eliminan silos; los rezagados los multiplican con pilotos aislados por departamento.
- Rediseñe un flujo de trabajo completo, no una tarea. Elija un proceso de alto volumen y reconstrúyalo de principio a fin alrededor de la IA, con puntos de control humano definidos —el modelo de "humano en el circuito" de Freshfields es la referencia: intervención humana cuando los sistemas marcan riesgo, no revisión exhaustiva.
- Priorice casos de uso centrados en el cliente por encima de la eficiencia interna pura. Los líderes de Bain dirigen la IA a datos propios y personalización, donde el retorno en ingresos es más visible para el directorio.
- Forme orquestadores, no solo especialistas. Redefina roles clave hacia perfiles capaces de coordinar múltiples funciones asistidas por IA, como ya lo hacen firmas como Wix.
- Empiece pequeño pero mida grande. El MIT Sloan Management Review documenta cómo 21 empresas generan valor medible de GenAI mediante transformaciones "pequeñas" pero estratégicas — no hay que esperar un megaproyecto para empezar.
- Gobierne el riesgo desde el día uno. Todo caso exitoso citado aquí incorporó controles explícitos: revisión humana de salidas de alto riesgo, protocolos de gobernanza de datos. Incluso Naciones Unidas, en su colaboración con Accenture para proyectos de IA, enfatiza la aplicación "responsable, ética y efectiva" de la tecnología (unite.un.org).
Conclusión: la pregunta no es si adoptar IA, sino cómo dejar de desperdiciarla
La paradoja del 95% que adopta frente al 6% que gana no va a resolverse con mejores modelos ni con más presupuesto tecnológico. Va a resolverse —o a profundizarse— en las decisiones organizacionales: quién coordina la estrategia, qué procesos se reconstruyen, qué talento se forma, y qué métricas de negocio se exigen a cada iniciativa.
Para las empresas latinoamericanas el panorama es paradójicamente favorable: los obstáculos clásicos de la región —presupuestos limitados, escasez de talento especializado, resistencia al cambio, dependencia de proveedores extranjeros— son reales, pero también lo son las ventajas estructurales: procesos menos fosilizados, mercados en crecimiento acelerado y margen para diseñar desde cero lo que otras organizaciones deben desmontar primero. La minería regional con potencial de reducir hasta 40% sus costos de mantenimiento es solo una muestra de que el valor está esperando un rediseño, no una licencia.
Si su organización ya adoptó IA pero todavía no puede señalar dónde está el retorno, el problema probablemente no es la tecnología. La pregunta que debería llevar a su próxima reunión de directorio es: ¿estamos comprando un motor de Fórmula 1 para ponérselo a un camión, o rediseñando el vehículo completo?
Artículo elaborado con asistencia de IA. Cada dato fue verificado contra las fuentes enlazadas; si encuentras un error, escríbenos.